CPU frente a GPU frente a MPS: elija un dispositivo
Detecte CUDA o Apple MPS, o recurra a la CPU
CPU frente a GPU frente a MPS: elija un dispositivo es una lección gratuita de Deep Learning Academy en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Deep Learning Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Deep Learning Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
Where Math Happens
Every tensor lives on a device: the CPU, a GPU, or Apple's MPS. The device decides how fast your model trains. ⚡
The CPU Always Works
Your CPU is the safe default. It runs every PyTorch operation, just more slowly on the heavy matrix math that big networks demand.
The GPU Goes Fast
A GPU does thousands of multiplications in parallel, making it far faster for deep learning. PyTorch reaches NVIDIA GPUs through CUDA.
Apple Silicon Has MPS
On a Mac with Apple Silicon, MPS taps the built-in GPU. It is the fast path for M-series chips without any NVIDIA hardware.
Detect CUDA
Ask PyTorch whether an NVIDIA GPU is available before you use one. cuda.is_available returns True or False so you never assume.
torch.cuda.is_available()Detect MPS
On a Mac, check the Apple backend the same way. mps.is_available tells you if the M-series GPU is ready to use.
torch.backends.mps.is_available()Pick the Best Device
A clean pattern tries CUDA first, then MPS, then falls back to CPU. This device string adapts to whatever machine runs your code.
device = 'cuda' if torch.cuda.is_available() else 'cpu'Move a Tensor
Send data to the chosen device with .to(device). The tensor's numbers are unchanged, but its math now runs there.
x = torch.tensor([1.0, 2.0]).to(device)Keep Everything Together
Your model and your data must share one device. Mixing CPU and GPU tensors throws a device mismatch error during the forward pass.
Check Where a Tensor Lives
Not sure where data sits? Read the .device attribute. It prints cpu, cuda, or mps so you can confirm placement at a glance.
print(x.device)When to Use Which
Use the GPU for real training, and the CPU for quick tests or tiny data. The fastest device is the one your hardware actually has.
Quick Check
Pick the right call for a Mac with Apple Silicon.
Recap
You learned to detect CUDA, MPS, or CPU, pick the best one, and move tensors there. Same code, fastest hardware available. 🚀
Preguntas frecuentes
¿La lección «CPU frente a GPU frente a MPS: elija un dispositivo» es gratis?
Sí — el texto completo de «CPU frente a GPU frente a MPS: elija un dispositivo» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Deep Learning Academy, actualiza a CoddyKit PRO. El curso de Deep Learning Academy incluye 4 lecciones en total.
¿Qué aprenderé en «CPU frente a GPU frente a MPS: elija un dispositivo»?
Detecte CUDA o Apple MPS, o recurra a la CPU Practicas Deep Learning Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Deep Learning Academy?
No se requiere experiencia previa. Deep Learning Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.
¿Cuánto tiempo toma la lección «CPU frente a GPU frente a MPS: elija un dispositivo»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Deep Learning Academy?
Sí. Cada lección de Deep Learning Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Instale PyTorch y compruebe que se importa
- CPU frente a GPU frente a MPS: elija un dispositivo
- Notebooks, scripts y semillas reproducibles
- Su primer torch.tensor